CAPÍTULO I 1 INTRODUÇÃO

Tamanho: px
Começar a partir da página:

Download "CAPÍTULO I 1 INTRODUÇÃO"

Transcrição

1 CAPÍTULO I INTRODUÇÃO No mundo globalzado e etremamente compettvo em que as empresas dsputam espaço, clentes, reconhecmento e acma de tudo, condções de permanecer compettvas e lucratvas no mercado, é fundamental o desenvolvmento de mecansmos que aulem essas empresas na tomada de decsões para que estas, sejam o mas vantajosas possível. As mudanças nos sstemas produtvos acontecem a todo nstante, propondo novações tecnológcas prncpalmente para produção e comuncação, forçando as empresas não só a permanecerem atentas, mas também a recclarem quase que constantemente seus concetos, em benefíco da produtvdade. Essas mudanças que, de forma geral, ocorrem em função do aperfeçoamento de tecnologas estentes, egem nvestmento, mas trazem quase que nvaravelmente resultados benéfcos em produtvdade e compettvdade. Ou seja, as para as empresas se manterem realmente atuantes, em geral devem ncorporar os avanços centífcos e tecnológcos e eplorar os benefícos que esses avanços podem trazer. Em uma fábrca, o conjunto de fatores mportantes envolvdos no processo de produção é enorme, porém, fnto. Pode-se ctar: demandas com prazos estretos e com grande varação à cada período, aqusção e estoque de nsumos ou matéras prmas e estoque de produtos acabados, utlzação adequada e otmzada do maqunáro e da mão-de-obra dsponível nos dferentes períodos e também utlzação adequada do espaço físco dsponível na empresa para estoque. Como todo o processo tem custos, tem-se que consderar os custos de estocagem e a avalação do estoque como captal. Segundo LIMA(00), O estoque se destaca como sendo um tem alvo para redução de custos, não apenas pela sua relevânca dentro do custo total frente à margem das empresas, mas prncpalmente, pelo valor moblzado nesta conta do atvo o que afeta dretamente o retorno sobre o captal dos aconstas. Nesse conteto, a admnstração de produção deve buscar um plano estratégco vsando chegar a um plano de metas. De acordo com TUBINO(000), o planejamento estratégco deve buscar os melhores resultados das operações e mnmzar os rscos das tomadas de decsões, sendo que as

2 suas decsões afetam a empresa a longo prazo e desencadearão mudanças na natureza e característca da empresa, sempre respetando as forças, os lmtes e as habldades no relaconamento com o meo ambente, de manera a crar vantagens compettvas. Modelos matemátcos de planejamento de produção têm grande aplcabldade no conteto ctado acma. Quando a admnstração da produção se depara com a um grande número de fatores que afetam dreta ou ndretamente suas decsões, percebe-se a mpossbldade de se tomar decsões ótmas sem que se tenha uma descrção fel e uma vsão detalhada de tudo o que cerca a produção. O desenvolvmento deste trabalho deu-se no momento em que a empresa de produtos almentícos VALE FERTIL permtu, através do fornecmento de nformações e permssão para vstas, que fosse feto um estudo para utlzação de um modelo matemátco que trabalhasse com todos os fatores envolvdos no da-a-da da admnstração da produção. Através destas nformações e das vstas realzadas, fo formulado um modelo de programação lnear msto e mult-objetvo com suas restrções, funções e varáves de decsão, para se adequar a esta stuação. Através das vstas realzadas à fabrca, fora lstado um conjunto de nformações que, em seguda, foram utlzadas na construção das equações, tas como: o planejamento de produção encontrado é de curto prazo; a demanda é cumprda daramente; a reposção dos estoques de produtos é feta através de produção na própra fábrca ou através de mportação de produtos prontos da Argentna; para produzr na própra fábrca, a empresa possu duas máqunas com produtvdade dferente; a mportação tem restrções quanto a quantdade mínma de caas e também para os das da semana, dentre outras nformações que serão apresentadas no decorrer do trabalho.

3 . OBJETIVOS DO TRABALHO.. OBJETIVO GERAL Formular um modelo multcrtéro de programação matemátco para planejamento de produção de curto prazo para uma empresa do setor de almentos... OBJETIVOS ESPECÍFICOS Modelar o problema da empresa através de um modelo de programação lnear msto, que consdere os números fatores envolvdos no planejamento de produção, como controle dos estoques de recursos, controle dos estoques dos produtos acabados, uso adequado do tempo dsponível das máqunas, uso adequado do espaço físco para os estoques reduzndo custos de produção e mportação e estocagem smultaneamente, decdndo o que deve ser mportado pronto da Argentna e o que deve ser produzdo na fábrca do Brasl; escrever o códgo computaconal na lnguagem LINGO para resolver o modelo ctado; analsar os resultados através do emprego do modelo em três cenáros.. IMPORTÂNCIA DO TRABALHO O estudo da vabldade da aplcação de um modelo matemátco de Programação Línear Msto para planejamento de produção, desenvolvdo neste trabalho, tem a fnaldade de demonstrar como um conjunto de restrções físcas e logístcas, que de forma geral são comuns no da-a-da de uma fábrca podem ser quantfcadas e transformadas em restrções matemátcas a serem ncluídas no modelo.

4 4 O planejamento de produção de curto prazo desenvolvdo neste trabalho é parte relevante no planejamento estratégco da empresa, pos avala daramente as decsões a serem tomadas da manera mas raconal possível, dando assm corpo e estrutura para um planejamento de longo prazo efcente. A partr do modelo matemátco desenvolvdo, será possível dreconar o setor de produção da empresa, no sentdo de se obter uma maor efcáca no controle dos estoques, na admnstração do tempo de funconamento das máqunas e, anda, uma maor segurança no cumprmento da demanda dára dos produtos acabados. Segundo SOLZA(996): A freqüênca de varação da demanda consttu um séro problema para a programação da produção. A solução mas adotada pelas empresas é a produção em grandes lotes. Só que esta solução não é compatível com o fator, captal escasso, e, além dsso, estem outros fatores envolvdos como: mprevsbldade da demanda, custos assocados ao estoque, entre outros. Surge mas um problema, o dmensonamento dos estoques, que pode ser vsto através da determnação do nível ótmo de estoques, resultante do balanceamento, em termos de custos, das vantagens e desvantagens da empresa nvestr em estoques, (SOLZA, 996). O que se observa é que quanto maor o nível do estoque, mas fácl se torna a admnstração da produção, mas em contrapartda tem-se o grande volume de captal moblzado, além dos custos de armazenagem. E, anda, segundo TAICHI OHNO(997), grandes quantdades de estoque podem acobertar problemas no sstema produtvo, como grande número de produtos defetuosos, desperdíco no uso dos recursos e produtvdade abao da real capacdade produtva.. ESTRUTURA DO TRABALHO O presente trabalho está dstrbuído em cnco capítulos, sendo que o capítulo I refere-se à ntrodução, objetvos, justfcatva da dssertação e anda apresenta a estrutura do presente trabalho, já o segundo capítulo apresenta uma revsão de lteratura relaconada a planejamento de produção, Pesqusa Operaconal e Programação Lnear Msta. O capítulo III faz uma apresentação detalhada do modelo desenvolvdo para a empresa de produtos almentícos, e o quarto capítulo apresenta estudos de casos onde o modelo matemátco será empregado com os resultados obtdos através do modelo e as

5 5 respectvas análses dos resultados. O capítulo V refere-se a conclusões e sugestões para trabalhos futuros.

6 6 CAPÍTULO II REVISÃO BIBLIOGRÁFICA Neste capítulo, será feta uma breve revsão bblográfca de trabalhos de planejamento de produção, geras e específcos, e de modelos de Programação Lnear. Também será feta uma apresentação de sstemas de produção clásscos relaconados ao planejamento de produção.. PLANEJAMENTO E CONTROLE DE PRODUÇÃO Planejamento e Controle de Produção (PCP) é um conceto etremamente abrangente. No que se refere ao funconamento de uma empresa, o PCP possu tentáculos em pratcamente todos as partes envolvdas na admnstração. Controle dos estoques, aqusção de materas, fnanças, entre outros. Anda abrangente, no que dz respeto a uma varedade de tpos de empresas, desde fábrcas, até empresas prestadoras de servços necesstam deste tpo de planejamento para poder enfrentar de forma raconal, os problemas na admnstração de negócos. Para realzar suas metas, o PCP pode atuar em uma sére de funções operaconas, que vão desde o projeto dos produtos, o controle dos estoques, seleção e contratação de funconáros, até defnção de estratégas de maretng. Para atngr seus objetvos, o PCP lda com nformações geradas por dversas áreas do sstema produtvo. O maretng, por eemplo, fornece nformações sobre planos de vendas e peddos. O setor de fnanças agrega nformações sobre plano de nvestmentos e fluo de caa, o setor de recursos humanos nforma sobre a dsponbldade da mão de obra e o setor de compras nforma sobre as quantdades de matéra prma e recursos dsponíves. Segundo SLACK e CHAMBERS (00), todos os tpos de operações produtvas podem ser nterpretadas como: Processos que transformam recursos de entrada (nput) em recursos de saída (output) ou seja Todos os recursos de entrada possuem recursos transformadores, que podem ser consttuídos por combnações de

7 7 materas, nformações e consumdores, ou anda, Todas as operações podem ser dvddas em mcrooperações, que formam uma rede de relaconamentos de consumdores-fornecedores nternos dentro da operação.. ALGUNS SISTEMAS DE ADMINISTRAÇÃO DE PRODUÇÃO Os Sstemas de Admnstração da Produção (SAP) representam uma parte crítca da função de manufatura dentro das organzações, segundo CORRÊA e GIANESI (99). O SAP desempenha papel mportante dentro das empresas, pos coordena a manufatura e suas decsões nterferem dretamente no desempenho desta. Dferentes objetvos podem ser almejados pelas empresas, sendo que esses objetvos refletem de certa forma os dferentes segmentos de mercado que elas pretendem atngr. A compreensão destas dferenças é crucal para uma estratéga com melhor adequação à manufatura e, assm, melhores resultados prátcos. A segur, serão apresentadas a flosofa dos prncpas Sstemas de Admnstração de Produção e as suas prncpas dferenças, a saber: Just n Tme (JIT), Materal Requrements Plannng (MRP), Optmzed Producton Technology (OPT)... JUST IN TIME O Just In Tme (JIT) surgu no Japão nos meados da década de 70, durante um período de crse econômca, sendo atrbuído à Toyota Motor Company o seu desenvolvmento, que tnha por objetvo desenvolver um sstema de produção efcente e capaz de: cumprr a demanda com o mínmo nível de estoques; elmnar desperdícos; manter a manufatura com fluo contínuo; fazer melhoras constantes dos processos de produção, elmnando problemas.

8 8 Neste sstema, persegue-se um processo de fluo em que, as partes corretas necessáras à montagem alcançam a lnha de montagem no momento que são necessáras e somente na quantdade necessára. Uma empresa que estabeleça esse fluo pode chegar a estoque zero. (OHNO, 997). Segundo HUGE e ANDERSON (99) O JIT é um processo em andamento contínuo (não um programa que mplque uma únca ocorrênca) para melhorar a produtvdade e a qualdade em uma fábrca, com enfoques nos processos de aperfeçoamento da produção. Redução de estoque é um subproduto do aperfeçoamento da produtvdade e da qualdade. Essa meta de dmnução dos estoques é motvada não só pela redução de custos e pelo captal moblzado que um grande estoque representa, mas também, pelos problemas que uma grande quantdade de produtos armazenados pode acobertar, como desperdíco de recursos, grande quantdade de produtos defetuosos, maqunáro e mão de obra desnecessáros. O grande objetvo do JIT segundo OHNO (997) é reduzr a lnha do tempo (lead tmes) que fca entre o peddo do clente e o pagamento, removendo os desperdícos que não agregam valor e trazendo benefícos em custo, flebldade, velocdade e confabldade. Para sso esse sstema de produção ege um desenho detalhado das metas e restrções da produção, para que possa vsualzar os objetvos do fm para o começo, assm sncronzar as egêncas da demanda com a capacdade de produção, sso com o mínmo de lead tmes. (GELDERS e WASSENHOVE, 985). Segundo CORRÊA e GIANESI (99), as prncpas lmtações do JIT estão lgadas à flebldade de faa do sstema produtvo, ou seja, a varedade de produtos e as osclações da demanda podem oferecer obstáculos para a mplantação deste sstema. Uma das prncpas dferenças entre os sstemas tradconas e o JIT é que os sstemas tradconas têm a característca de empurrar a produção de cada lote a partr do cálculo das necessdades de materas, consderando anda a prordade na ordem de produção, enquanto o JIT pua a produção dos lotes, a partr da demanda. Sendo assm, o lote só é processado por uma operação se ele é requerdo pela operação subseqüente do processo. (CORRÊA e GIANESI, 99)

9 9.. MRP II MRP (Materal Requrements Plannng) ou cálculo das necessdades de materas e MRP II (Manufacturng Resources Plannng) ou planejamento dos recursos de manufatura, são, dentre os Sstemas da Admnstração da Produção (SAP) de grande porte, os que são mplantados com maor freqüênca, segundo (CORRÊA e GIANESI, 99). Este sstema, que se basea no cálculo de necessdades, vsa, assm como o JIT, ao cumprmento da demanda com o mínmo de formação de estoques, planejando compras e a produção nos momentos e quantdades necessáras para poder cumprr as metas. Para sso, o MRP II tem como prncípo o cálculo das necessdades, a partr de uma técnca de gestão, vablzado com o uso de computadores (CORRÊA e GIANESI, 99), das quantdades e momentos em que são necessáros os recursos de manufatura (materas, pessoas, equpamentos, entre outros) com a menor formação de estoque possível, (CORRÊA, 988). O níco do processo desse sstema acontece quando a admnstração da produção pode determnar a necessdade dos recursos a partr do plano de produção, sendo que essa quantdade é subtraída do estoque dsponível, determnando os peddos. Esses cálculos levam em consderação os tempos de processamento adequados, egdos para processar ou consegur os recursos, (HUGE e ANDERSON, 99). O funconamento do MRP II dá-se através do detalhamento sucessvo dos planos de longo prazo, até que se chegue ao nível de recursos necessáros. Esses sstemas, de manera geral, são dsponblzados no mercado através de sofstcados pacotes para computador, que geralmente são separados por módulos nterlgados entre s, (CORRÊA e GIANESI, 99). Segundo NEELY e BYRNE (99), mutos artgos apontam números problemas no sstema MRP II, que na verdade são problemas não desse sstema, mas da forma como ele é adotado em determnadas empresas, que contam com stuações quase rreas, como, por eemplo, ntervalos constantes entre as entregas dos fornecedores ou com máqunas sempre dsponíves. De acordo com NEELY e BYRNE (99), o MRP II é um sstema que tem por fnaldade aular as empresas na decsão de quando e quanto de cada recurso e matéra prma deve estar dsponível durante o período de planejamento.

10 0.. OPT OPT é a sgla para Optmzed Producton Technology, uma técnca de gestão da produção desenvolvda por um grupo de pesqusadores sraelenses segundo CORRÊA e GIANESI (99). Dentre eles o físco Elayahu Goldratt, prncpal dvulgador de seus prncípos. A sgla cujo nome podera ser traduzdo como Tecnologa de Produção Otmzada, não se trata necessaramente de uma técnca otmzatóra. Esta técnca é baseada em uma sére de procedmentos com resultados não eatos, cujos detentores dos dretos de eploração do sstema nem mesmo tornaram públco até o momento, segundo CORRÊA e GIANESI (99). O sstema denomnado OPT tem como objetvo ganhar dnhero e, para sso, se basea em nove prncípos lstados na quadro : QUADRO : OS NOVE PRINCÍPIOS DO OPT, (CORRÊA e GIANESI, 99). Balancee o fluo e não a capacdade.. A utlzação de um recurso não gargalo não é determnada por sua dsponbldade, mas por uma outra restrção do sstema (por eemplo, um gargalo).. Utlzação e atvação de um recurso não são snônmos. 4. Uma hora é uma hora ganha para o sstema global. 5. Uma hora ganha num recurso não gargalo não é nada, é só uma mragem. 6. O lote de transferênca pode não ser e, freqüentemente, não devera ser, gual ao lote de processamento. 7. O lote de processamento deve ser varável e não fo. 8. Os gargalos não só determnam o fluo do sstema todo, mas também defnem seus estoques. 9. A programação de atvdades e a capacdade produtva devem ser consderadas smultaneamente e não seqüencalmente. Lead-Tmes são um resultado da programação e não podem ser assumdos a pror. Este sstema concentra seus esforços na busca e mamzação dos chamados gargalos da manufatura, ou seja, busca mamzar os pontos que restrngem um melhor

11 desempenho da produção, assm mamzando o fluo total de produção, segundo LUCERO(00). Segundo HUGE e ANDERSON (99), os prncípos do OPT solados não levaram uma empresa à categora mundal, pos, segundo esses prncípos, a companha tende a contornar problemas estentes em vez de se concentrar nas raízes dos mesmos.. PESQUISA OPERACIONAL. A Pesqusa Operaconal é uma área de estudos e aplcações bastante abrangente e, mutas vezes, refere-se ao acompanhamento constante de atvdades dáras de uma organzação. Alguns eemplos de aplcações de Pesqusa Operaconal estão lgados à programação de produção, controle de estoques, roteamento de veículos, contratação de empregados de nstalações de servços, como nos trabalhos de JOLAYEMI e OLORUNNIWO (00) entre outras. Segundo WAGNER(986), mutos estudos de pesqusa operaconal também afetam decsões ndretas, comumente tendo caráter de planejamento. O presente trabalho, por estar relaconado com planejamento de produção de curto prazo, faz uso de técncas de Pesqusa Operaconal, mas especfcamente Programação Lnear Msta, com a fnaldade de aular na tomada de decsões dáras em uma empresa que envasa produtos almentícos..4 PROGRAMAÇÃO LINEAR Modelos de Programação Lnear são modelos matemátcos consttuídos por varáves contínuas não negatvas, que se relaconam por equações ou nequações lneares. As varáves do modelo também chamadas de varáves de decsão são escolhdas a partr da compreensão do problema. Anda é determnada uma função, destas varáves, denomnada função objetvo (PUCCINI, 990).Abao um modelo geral de programação lnear em notação matrcal:

12 T ma Z = c sujeto a: A b 0 em que A (m n) é chamada matrz tecnológca; (n ) é o vetor das varáves de decsão; b (m ) vetor dos recursos; c (n ) é o vetor dos coefcentes da função objetvo Z..4. PROGRAMAÇÃO LINEAR MISTA Um modelo de ProgramaçãoLnear Msta é um modelo de Programação Lnear, no qual algumas varáves são contínuas e outras nteras. O modelo matemátco que será apresentado neste trabalho, é um modelo Programação Lnear Msta, pos os valores para algumas das varáves, sofrem são restrtos a 0 ou. Isto ocorre pelos seguntes motvos: para evtar perda de tempo de produção, o modelo não permte que uma mesma máquna envase mas do que dos produtos dferentes em um mesmo da. E caso sejam fabrcados dos produtos dferentes, o modelo desconta uma hora do tempo de produção (devdo aos ajustes a serem fetos na máquna para trocar a lnha de produção). Para sso, foram vnculadas varáves bnáras b e b, as varáves de produção e, respectvamente, sendo que quando b =, o produto será fabrcado no da, pela máquna e quando b = 0, o produto não será fabrcado no da pela máquna (análogo para a máquna ), para que através de restrções, que serão apresentadas no capítulo, se consga o resultado desejado;

13 uma outra restrção referente à mportação de produtos prontos também egu a vnculação de varáves bnáras b, as varáves responsáves pela quantdade mportada, sendo que se b = então o produto será mportado com chegada prevsta para o da, e caso b =0, o produto não deve ser mportado no da, pos este uma quantdade mínma de caas de produtos egda para que se efetue um peddo. Sendo assm, foram cradas as restrções do tpo: b P, b M,, com P o valor mínmo a ser mportado, e M, um valor grande que permte que q ualquer quantdade seja mportada..4. PROGRAMAÇÃO LINEAR MULTI-OBJETIVO Um problema de programação mult-objetvo pode ser representado da forma: Ma { z (), z (),..., z n () }, Ω onde : varável de decsão; Ω : conjunto de alternatvas possíves; {z (), z (),..., z n () }: conjunto de crtéros avalados. As soluções obtdas poderão ser domnadas ou não domnadas. Uma solução é não domnada quando não este uma outra solução factível que melhore um dos objetvos sem haver um decréscmo em pelo menos um outro objetvo. Então dado um conjunto de soluções factíves Ω, o conjunto de soluções não domnadas S, é defndo como segue: S = { : Ω, não este outro y Ω tal que z h (y) > z h () para qualquer h {,,...,n} e z j (y) z j () para todo j h}. Caso contráro, a solução é dta domnada e o conjunto das mesmas, conjunto das soluções domnadas. Alguns métodos para gerar um conjunto de soluções não domnadas estão descrtos em GOICOECHEA (98): Método dos pesos, método da restrçãoε, método mult-objetvo lnear de Phllps, método mult-objetvo lnear de Zeleny. Os dos

14 4 prmeros podem ser utlzados quando as funções objetvos e as restrções não são lneares e os dos últmos são usados quando temos somente funções objetvos e restrções lneares..5 TRABALHOS RELACIONADOS A Pesqusa Operaconal e, mas especfcamente, a Programação Matemátca têm aplcações em planejamento da produção, como pode ser observado nos város trabalhos da lteratura especalzada e que serão apresentados a segur: OLIVEIRA(000) aplca Goal Programmng em um problema de planejamento florestal através de um estudo de caso realzado em uma fazenda no Paraná. As áreas dessa fazenda podem ser utlzadas para númeras fnaldades, dentre elas o corte de madera (Pnus e de espéce natvas), folhas (erva-mate), pastagens e tursmo. Preocupando-se com a questão ambental e a manutenção dos empregos estentes, fo formulado um modelo de Programação Lnear Multobjetvo que decde qual é a melhor desgnação do uso de cada área. RANDHAWA e BJARNASON(99) combnam Programação Lnear e Smulação para planejamento de rotas e dstancas, em vagens de pesca. O modelo de Smulação analsa as possíves rotas para os barcos, os locas de lançamento para as redes de pesca entre outras cosas, e os dados de saída destas smulações servem como dados de entrada para o modelo de Programação Lnear que decde os possíves níves de produção para mamzar os rendmentos da empresa. KALPIC, MORNAR, e BARANOVIC(995), utlzam um modelo de Programação Lnear Mult-Objetvo para decdr dentre os dferentes processos de produção qual será o menos dspendoso em custo, mamzando a produção, e anda arquvando o balanço de materas, numa fabrca de peças plástcas para automóves. Esse modelo tem restrções que consderam questões como tempo de produção, estoque de matéra prma e custos, ctando somente algumas.

15 5 JENSSON(988) utlza Programação Lnear para planejamento de produção dáro para produtos de pesca, baseando-se na prevsão da demanda futura. O horzonte de planejamento é cnco das e o que o modelo pretende é mamzar lucros. TANG, LIU, RONG, ZIHOU(000) apresentam um modelo matemátco para produção, baseado nas déas do Just In Tme. O modelo é desenvolvdo como um modelo de Programação Não Lnear baseado em stuações de produção reas, em uma fábrca, vsando ao cumprmento pontual da demanda e a um processo de contnudade e alta velocdade na produção de peças de ferro e aço. O modelo desenvolvdo é convertdo em um modelo de Programação Lnear para ser resolvdo por pacotes de software padrão. A partr da revsão destes e outros trabalhos, das vstas e nformações colhdas durante as vstas à empresa e do estudo de dversos sstemas de produção estentes, fo desenvolvdo um modelo de programação lnear msta para planejamento de produção para esta empresa de produtos almentícos do Paraná, que será apresentado a segur..6 DEFINIÇÃO DO PROBLEMA O presente trabalho desenvolve um modelo matemátco que aula na tomada de decsões relatvas à produção, controle de estoque, aprovetamento dos recursos, mportação de produtos acabados e atendmento de demandas em uma empresa de produtos em conserva. O problema se caracterza por uma vasta tea de fatores que nfluencam dretamente as decsões dáras, decsões essas que afetam o desempenho e o potencal compettvo da empresa em questão. Esses fatores serão lstados abao: para cumprr a demanda dára, o setor de logístca pode decdr entre produzr, de acordo com os recursos dsponíves ou mportar os produtos da Argentna já acabados, logcamente respetando os prazos e a dferença de custos nerentes às duas opções;

16 6 ao optar por produzr na própra fábrca, além de respetar a dsponbldade dos recursos (lea-se prncpalmente tempo e nsumos), é fundamental que se produza quantdades tas que mnmzem as trocas de lnha de produção, pos a cada troca de lnha, é desperdçada uma hora do tempo dáro para que sejam fetos os reajustes na máquna utlzada; se a opção for por mportar os produtos acabados, deve-se respetar duas restrções: - uma quantdade mínma de cada produto por peddo, já que os produtos são transportados por camnhão; - o fato dos produtos só chegarem na fábrca às quntas, setas e sábados; o controle dos estoques dos produtos prontos deve respetar além do espaço físco, uma quantdade pré-determnada que neste trabalho será denomnado estoque regulador, o qual será determnado a partr dos seguntes fatores: - o hstórco de peddos fetos depos que a demanda determnada para o funconamento do modelo for defnda. Para estes peddos será dado o nome de demanda aleatóra; - o hstórco de falhas no funconamento das máqunas, e qualquer fator aleatóro que mplque em não cumprmento das determnações do modelo. Além de se basear nas stuações de produção encontradas na empresa em que é pretendda a sua aplcação, o modelo matemátco também se baseou nas flosofas dos sstemas de produção como o Just In Tme, o MRP II e o OPT. Esses sstemas, apesar de dferentes, tem alguns objetvos em comum, como a redução de estoques, busca de efcênca máma no cumprmento de prazos, produção em lotes com dmensões determnadas de acordo com as necessdades e que dnamzem a produção e dmnuam a perda de tempo. No prómo captulo será apresentado o modelo matemátco que fo desenvolvdo ao longo deste projeto.

17 7 CAPÍTULO III DESCRIÇÃO DO MODELO No desenvolvmento do modelo de Programação Lnear Mult-Objetvo que será apresentado neste capítulo, procurou-se segur com o mámo de fdeldade possível na construção das restrções, as dreções traçadas pelo setor de produção da fábrca cujo modelo pretende-se empregar. Stuações como dmnução do tempo dsponível para cada máquna nas trocas de lnha de produção, lmte mámo e mínmo para mportação entre outros, foram ncorporados às restrções de forma a dar mas rgor aos resultados. Essas restrções, na medda que foram se tornando necessáras, troueram com elas um maor número de varáves, dentre elas, varáves bnáras. Essas por sua vez tornaram o modelo mas pesado computaconalmente. Sendo assm, começaram a surgr dfculdades para mplementação do modelo em testes com um maor número de varáves mpedndo testes em algumas stuações reas, para que se possa realmente verfcar o funconamento e desempenho do modelo nas stuações para as quas ele fo concebdo. O modelo matemátco apresentado tem as característcas dscutdas abao: o auílo, no que se refere à tomada de decsões sobre produção, em detrmento das mportações. Para sso, o modelo faz todo o controle dos estoques dáro de produtos acabados dsponíves para venda, e também, de nsumos e matéra prma, ndcando as quantdades desses recursos que devem ser repostas no estoque daramente para o bom andamento da manufatura. Este controle sobre os recursos é essencal, pos nfluenca dretamente a capacdade de produção, e anda tem nfluênca relevante na defnção dos custos, pos no modelo geral fo consderado o custo de estocagem de recursos; o dmensonamento dos estoques de produtos e nsumos, para que sejam mantdas as quantdades deas que cumpram a demanda, mnmzando custos referentes às despesas de estoque. E anda, relevando desvalorsação do captal

18 8 que representa o estoque, consderando aqu não só os produtos acabados, mas também os recursos; o modelo anda otmza a utlzação do tempo, consderando que no mámo poderá haver uma troca de lnha de produção, durante cada da. E caso essa troca aconteça, será levado em consderação o tempo de apromadamente uma hora, utlzado na troca dos recursos que devem ser dsponblzados para as máqunas durante a produção; no caso das mportações, os peddos só podem chegar nas quntas, setas e sábado e sempre com a quantdade mínma de P undades de um mesmo produto (capacdade méda para um únco camnhão); o modelo é de curto prazo, para ser eecutado no momento que houver defnção da demanda do período que se pretende planejar. É mportante salentar que o modelo deve ser rodado com uma certa antecedênca ao período de planejamento, pos ele somente defne as datas, em que os recursos utlzados na produção, ou produtos prontos mportados, devem estar dsponíves nos seus respectvos estoques, sem consderar o tempo que estes levam desde o peddo realzado pelo setor de produção, até a chegada na fábrca; deve ser avalado um estoque ncal de produtos e recursos dsponíves para que o modelo possa ser eecutado. Para sso, o modelo conta com o estoque regulador e com cálculos prévos realzados pelo setor de produção. Os controles dos estoques de produtos ctados gram em torno de um valor constante chamado estoque regulador, valor esse a ser determnado a partr de nformações fornecdas pela empresa a que o modelo se destna.( pagna )

19 9. OS ÍNDICES No desenvolvmento do modelo foram crados três índces para o conjunto de varáves e dados utlzados. =,,...,p referente ao produto acabado, sendo p o número mámo de produtos da fábrca; j =,,...,r referente aos recursos, sendo r o número mámo de recursos utlzados na produção; =,,...,h referente ao da, sendo h o período total de planejamento.. AS VARIÁVEIS Estas são as varáves de decsão que foram cradas partr da defnção da função objetvo, e das restrções envolvdas no modelo. () y j : compra do recurso j recebdo no da. () caas). () caas). (4) (5). (6) : quantdade do produto produzdo no Brasl no da, na máquna (em : quantdade do produto produzdo no Brasl no da, na máquna (em : quantdade do produto mportado da Argentna recebdo no da (em caas). b : varável bnára. Se b =, o produto deve ser produzdo no da, pela máquna b : varável bnára. Se b =, o produto deve ser produzdo no da, pela máquna. (7). (8) b : varável bnára. Se b =, o produto deve ser mportado para ser recebdo da r j : estoque de recurso j, dsponível no níco do da.

20 0 (9) e : estoque do produto, dsponível no níco do da.. OS DADOS DE ENTRADA Os dados de entrada dependem de nformações fornecdas pelo setor de produção da empresa e, para a eecução do modelo, serão necessáras nformações referentes ao estoque ncal, tempo médo de produção, custos de produção, mportação e estocagem, quantdades de recursos utlzados em uma undade produzda de cada produto, espaço físco dsponível, entre outras nformações. Esses dados devem ser dsponblzados no bloco de notas do WINDOWS, para que possam ser acessados pelo software LINGO na eecução do modelo. () a j : quantdade do recurso j utlzado na produção de uma caa do produto. () () d : demanda do produto, no da. c : custo de permanênca em estoque de uma caa do produto no da. (4) Er : estoque regulador do produto, ndependente do da. (5) cp B: custo de produção no Brasl de uma caa do produto, no da. (6) cp A: custo de mportação da Argentna de uma caa do produto, com data de chegada prevsta para o da. (7) cr j : custo de estocagem do recurso j, no da. (8) C : capacdade do estoque de produtos em número de caas. (9) M: número grande assocado à restrção aular de troca de lnha de produção. (0) N: número mínmo de caas de um mesmo produto em lote de mportação. () P: número pequeno assocado à restrção aular de troca de lnha de produção. () T : tempo dsponível da máquna, no da, em segundos.

21 () T : tempo dsponível da máquna, no da, em segundos. (4) t : tempo da máquna, usado na produção de uma undade do produto, em segundos. (5) t : tempo da máquna, usado na produção de uma undade do produto, em segundos. Consderou-se que: o estoque de produtos e recursos é avalado todo da no níco da manhã; a demanda do da só utlzará recursos dsponíves em estoque no níco do da ; a produção do da e as mportações recebdas serão contablzadas no estoque do da segunte (+) e não poderão ser utlzadas para atendmento da demanda consderada no da. Na fgura, está representado o período de planejamento e as respectvas varáves envolvdas, sendo estas as varáves relatvas à produção, mportação, estoque e demanda dos produtos. FIGURA : ENTRADA E SAÍDA DE PRODUTOS NO PERÍODO DE PLANEJAMENTO... h ENTRADA... h = = =... h =h e e e... h e SAÍDA d d d... h d

22 .4 AS RESTRIÇÕES A segur, serão detalhadas todas as restrções do modelo de Programação Lnear Msta, com as respectvas relações estabelecdas entre as varáves..4. RESTRIÇÕES DE CONTROLE DE ESTOQUE DE PRODUTOS Esse conjunto de restrções garante o controle de entrada e saída de produtos acabados dos estoques, consderando o estoque mínmo (estoque regulador), o espaço físco, e a quantdade dsponível sufcente para o cumprmento da demanda no níco de cada da. e ` d,. Restrção que garante que a quantdade de estoque do produto dsponível no níco do da é sufcente para cumprr a demanda deste da, sem contar com a produção deste da. e + ` = e` d, Função recursva que defne a quantdade do produto que estará dsponível em estoque no nco do da + ( e + ` ), a partr da soma das quantdades que serão produzdas durante o da ( e ) e mportadas anterormente, com chegada prevsta para o mesmo da ( ) e o estoque do da anteror ( e ` ), menos a demanda atendda no da ( d ), conforme fgura.

23 FIGURA : DISPONIBILIDADE DO ESTOQUE PARA CUMPRIMENTO DA DEMANDA ENTRADA + SAÍDA e d + e e Er, Restrção que mantém o estoque do produto ( e ), sempre maor ou gual a uma constante chamada estoque regulador ( Er ). Constante essa que será determnada a partr de nformações fornecdas pela empresa a que o modelo se destna. O estoque regulador será utlzado para stuações crítcas como: demandas urgentes (fora das stuações prevstas) a serem cumprdas durante o período de planejamento. emergêncas que gerem dmnução da produção programada pelo modelo no período de planejamento. nos cenáros onde foram relaadas as condções de ntegrabldade nas restrções de mportação, de modo a gerar peddos de mportação mpossíves de serem realzados nas datas estpuladas, por serem quantdades nferores ao mínmo egdo para transporte. e C Restrção que determna que a soma de todos os produtos estocados no da ( e ` ) seja menor ou gual à capacdade de estoque (C).

24 4.4. RESTRIÇÕES DE CONTROLE DE ESTOQUE DE RECURSOS Estas restrções são responsáves pelo controle dos níves de estoque dos recursos que estarão à dsposção da produção durante o período de planejamento e também pelas quantdades de cada recurso que deverão ser solctadas para a reposção dos estoques. A fgura apresenta a dnâmca de entrada e saída de recursos destnados à produção no período de planejamento. FIGURA : ENTRADA E SAÍDA DO RECURSO j NO PERÍODO DE PLANEJAMENTO ENTRADA y j y j y j h y j = = = =4... =h r j r j r j 4 r j h r j h h + aj ( + ) a ( ) j + a ( ) j + SAÍDA aj ( ) Quantdade total do recurso j retrada de estoque no da : aj ( + ), j. a ) j ( + rj j, Restrção que garante que todos os recursos usados na produção pelas duas máqunas durante o da para todos os produtos, sejam menor que a quantdade dsponível do recurso j nesse da ( r j ).

25 5 + r ( ) j` = y j + rj aj + j, Função recursva que controla a quantdade do recurso j dsponível no níco do da +, a partr da soma da quantdade recebda do recurso j no da anteror, mas a quantdade dsponível no da, menos os recursos utlzados na produção durante o da, conforme fgura 4. FIGURA 4: DISPONIBILIDADE DO RECURSO j PARA MANUFATURA ENTRADA y j + r j SAÍDA a j ( + ) + r j.4. RESTRIÇÕES DE TEMPO DE MÁQUINA Esse conjunto de restrções tem duas fnaldades: garantr que cada máquna faça no mámo uma troca de lnha de produção no decorrer de um da, ou seja cada máquna poderá fabrcar um ou dos produtos no mámo, a cada da do planejamento; caso o modelo decda fabrcar dos tpos de produtos dferentes em uma mesma máquna em um mesmo da, será descontada uma hora no tempo dsponível para produção naquele da. t T [( b ) ] 600 Restrção que garante que a soma de todo tempo utlzado pela máquna na fabrcação de todos os produtos, gasto durante o da, seja menor que o dsponível da

26 6 máquna ( T ) nesse mesmo da, já atualzando o tempo de máquna, sto é, descontada uma hora (600 segundos) no tempo dsponível, a cada troca de lnha de produção. A varável bnára produto, no da. b representa se a máquna será utlzada para produzr o t T [( b ) ] 600 Restrção que garante que a soma de todo tempo utlzado pela máquna na fabrcação de todos os produtos, gasto durante o da, seja menor que o dsponível da máquna ( T ) nesse mesmo da, já atualzando o tempo de máquna, descontada uma hora (600 segundos) no tempo dsponível, a cada troca de lnha de produção. A varável bnára no da. b representa se a máquna será utlzada para produzr o produto, b Restrção bnára que garante que no mámo dos produtos dferentes serão fabrcados pela máquna, no da. b Restrção bnára que garante que no mámo dos produtos dferentes serão fabrcados pela máquna, no da..4.4 RESTRIÇÕES BINÁRIAS DE PRODUÇÃO Essas restrções têm a fnaldade de relaconar as varáves bnáras controle, às varáves de produção e, respectvamente. b e b de

27 7 b M, Restrção que atrela a varável bnára b à decsão de não fabrcar o produto na máquna, caso seu valor seja 0 para máquna, no da. Caso b, a produção fca lmtada a uma quantdade grande M. = b M, Restrção que atrela a varável bnára b à decsão de não fabrcar o produto na máquna, caso seu valor seja 0 para máquna, no da. Caso b a produção fca lmtada a uma quantdade grande M. = b P, Restrção que atrela a varável bnára b à decsão de fabrcar o produto em um mínmo de P, na máquna caso seu valor seja, para máquna. b P, Restrção que atrela a varável bnára mínmo de P, na máquna, caso seu valor seja para máquna. b à decsão de fabrcar o produto em um.4.5 RESTRIÇÕES BINÁRIAS DE MÍNIMA IMPORTAÇÃO mportação Esse conjunto de restrções tem a fnaldade de atrelar a varável bnára de b à varável de um únco produto., garantndo o lmte mínmo para os lotes de mportação b N, Restrção que determna que se houver mportação, deve ser de no mínmo de N caas.

28 8 b M, Restrção que atrela a varável bnára ( b ) à decsão de não mportar. Caso b =, a mportação fca lmtada a um valor M grande ou outro valor, se a empresa assm desejar..5 FUNÇÕES OBJETIVO As funções objetvos utlzadas no trabalho relaconam as varáves referentes à produção, mportação e estoques não só de produtos, mas também de recursos, com coefcente já apresentados no tem.. Estes coefcentes representam os custos relatvos a produção, mportação e de estoque sendo, que os custos relatvos à produção e mportação, cp B e cp A respectvamente, devem agregar custo médo de transporte, custos referentes aos recursos utlzados ou seja, para se determnar esses custos se deve levar em consderação todos os gastos que cercam a produção e a mportação. O mesmo pode-se dzer a respeto dos custos de estocagem, valores esses que devem agregar não só os gastos relatvos à estocagem, como transporte no nteror da fábrca, custo de espaço físco ocupado, mas também os custos referentes ao captal moblzado no estoque, chamado de custo de oportundade. As funções objetvo apresentadas a segur foram consderadas no modelo: () Função que mnmza custo de estocagem dos produtos. mn Z h p = ( c e ) = = () Função que mnmza custo de mportação mas custo de produção. h p mn Z = ( cp + cp + cp ) = = () Função que mnmza custo de estocagem de nsumo e matéra prma. h mn Z = ( cr j r ) r = j= j

29 9 Como a empresa consdera todos esses objetvos mportantes, e desejava-se obter um modelo multobjetvo, as três funções foram consderadas através da função adtva mn Z = α Z + β Z + γ Z na qual os parâmetros α, β e γ recebem valores para destacar a mportânca de um objetvo sobre o outro, como também para normalzar a grandeza de valores devdo às dferenças que os mesmos podem obter. Observa-se que se a ordem de grandeza das funções objetvo é mas ou menos a mesma, os valores dos parâmetros nformarão o peso que se está dando ao referdo objetvo. O quadro especfca os dferentes casos que podem ser consderados na função objetvo adtva: QUADRO : FUNÇÕES OBJETIVO EM FUNÇÃO DOS PARÂMETROS. α β γ Sgnfcado Caso Todos os objetvos têm gual relevânca. Caso 0 0 O únco objetvo é mnmzar custo de estocagem de produtos. Caso 0 0 O únco objetvo é mnmzar custo de produção e mportação. Caso O únco objetvo é mnmzar custo de estocagem de recursos. Caso 5 0 O objetvo é mnmzar custo de estocagem de produtos mas custo de produção e mportação. Caso 6 0 O objetvo é mnmzar custo de estocagem de produtos mas custo de estocagem de recursos. Caso 7 0 O objetvo é mnmzar custo de estocagem de recursos mas custo de produção e mportação..6 O MODELO DESENVOLVIDO A segur, será apresentado o modelo matemátco desenvolvdo na íntegra, com todas as equações e com a função multobjetvo completa. Este modelo será desgnado por modelo M.

30 0 mn ) ( ) ( ). ( = = = = = = = h r j j j h p h p r cr cp cp cp e c Z γ β α Sujeto a: d e `, d e e = + ` `, Er e, C e p = j p j r a + = ( ) j, ( ) ` j j j j a r y r + + = = + j, b T t p = = 600 ] ) [( b T t p = = 600 ] ) [( b p = b p = M b, M b, P b, P b, N b, M b, com:,,, j r, e, j y 0, { } 0, b, { } 0, b,, =,,..., h, =,,..,p e j =,,..., r.

31 No prómo capítulo serão apresentados estudos de casos em o modelo apresentado será empregado em dferentes cenáros, com dferentes funções objetvo, e com as respectvas análses dos resultados.

32 CAPÍTULO IV 4 APLICAÇÃO DO MODELO AO PLANEJAMENTO DE UMA INDÚSTRIA ALIMENTÍCIA No presente capítulo, serão apresentados alguns estudos de casos, com seus respectvos resultados, ou seja, o modelo M será empregado em dferentes cenáros para que com os resultados seja possvel fazer uma análse de seu funconamento, desempenho e comparações de acordo com o quadro. Para que o modelo funcone para um período maor e com um número maor de produtos, serão retradas algumas restrções ou relaadas algumas condções de ntegrabldade, pos devdo ao grande número de decsões com que o modelo trabalha, faz-se necessáro assocar uma varável bnára para cada varável de produção e para cada varável de mportação. Sendo assm, se o modelo for aplcado para decsões envolvendo uma grande varedade de produtos, e com mutos das de planejamento, tende a se torna muto pesado computaconalmente. Na tentatva de dmnur o número de varáves bnáras e assm tornar o modelo mas leve computaconalmente, serão testadas dferentes heurístcas. QUADRO : APRESENTAÇÃO DOS DIFERENTES CENÁRIOS E OBJETIVOS Número de Produtos Número de Recursos Horzonte de Planejamento Cenáro 0 07 das Cenáro 0 07 das Cenáro 0 Sem controle de recursos. 4 das Objetvo Fazer uma aplcação ddátca e epostva do modelo estudado. Comparação de resultados do modelo, agora sem custos de estocagem. Com o período de planejamento mas longo, verfcar comportamento do estoque.

33 4. CENÁRIO Nesta aplcação o modelo M será empregado para controle de produção, mportação e estoque de três produtos: Vdro de azetonas de 00gr, 00gr e 500gr, que serão desgnadas por Produto, Produto, e Produto respectvamente, e que podem ser mportados ou produzdos em duas máqunas dferentes. Cada produto necessta de ses recursos: vdro, tampa, rótulo, caa, salmoura, e azetona, e cada undade do produto equvale a uma caa com vdros. O período de planejamento é de sete das, ncando na segunda (Da ) e concluído no domngo (Da 7). No domngo a fábrca permanece fechada, e não há demanda. Nesta aplcação as restrções de quantdade mínma para mportação foram retradas, com o objetvo de reduzr o número de varáves bnáras. Sendo assm, caso o modelo solcte quantdades nferores ao mínmo para um lote de mportação (700 caas), serão sugerdas soluções envolvendo o estoque regulador e ajustes nas datas de entrega dos produtos mportados. O modelo M neste cenáro será desgnado por M, o códgo fonte deste programa desenvolvdo va LINGO está dsponível no aneo. 4.. OS DADOS Nos cenáros apresentados, cuja fnaldade é mostrar o bom funconamento do modelo, os dados foram gerados a partr de cálculos prévos que vsavam à factbldade das equações e o mámo de promdade de uma stuação real. O estoque ncal de produtos (a quantdade de cada produto dsponível no níco do prmero da de produção) está apresentado na tabela : TABELA : ESTOQUE INICIAL DE PRODUTOS Produto Quantdade (caas) Produto.000 Produto.000 Produto.000 Soma.000

34 4 O estoque ncal de recursos, ou seja, a quantdade dsponível de cada recurso no níco do prmero da do planejamento, está apresentado nas tabelas e. Os dferentes tpos de nsumos se devem aos dferentes tpos de produtos. Neste cenáro, são consderados três vdros de azetonas dferentes nas suas quantdades. Portanto, a azetona, a salmoura, as tampas serão do mesmo tpo. Já os vdros, as caas de papelão para embalar uma undade de cada produto e os rótulos são de tpos dferentes, um para cada produto. A tabela apresenta os estoques ncas de tampas, azetona e salmoura, e a tabela apresenta os estoques ncas de rótulos, vdros e caas. TABELA : ESTOQUE INICIAL DE TAMPAS, AZEITONAS, E SALMOURA Quantdade Tampa Azetona Salmoura TABELA : ESTOQUE INICIAL DE RÓTULOS, VIDROS E CAIXAS Prod. Prod. Prod. Rótulo Vdro Caa A matrz tecnológca que dspõe a quantdade de cada recurso utlzado na produção de uma undade (uma caa) de cada produto está dsposta na tabela 4: TABELA 4: QUANTIDADE DE RECURSO UTILIZADO EM UMA UNIDADE (CAIXA) DE CADA PRODUTO Prod. Prod. Prod. Tampa Rótulo 0 0 Rótulo 0 0 Rótulo 0 0 Vdro (00 gr) 0 0 Vdro (00 gr) 0 0 Vdro (500 gr) 0 0 Caa ( vdros tpo ) 0 0 Caa ( vdros tpo ) 0 0 Caa ( vdros tpo ) 0 0 Azetona (g),,4 6 Salmoura (ltros) 0,6,,8

35 5 A capacdade de estoque de produtos está lmtada a caas, em função do espaço físco destnado para esta fnaldade, enquanto o estoque de nsumos segundo a gerênca de produção, não possu um lmte mámo (espaço físco restrto) que mereça uma restrção no modelo. Neste cenáro, devdo ao custo de estocagem que é atrbuído ao estoque de recursos se tem o controle desse estoque somente pela necessdade, pos o modelo tende a adqurr somente a quantdade necessára de cada recurso para o bom andamento da produção. A segur, a tabela 5 referente à demanda em caas do período estudado. O da refere-se sempre ao prmero da do planejamento, segunda-fera, no Da 7 (domngo) não este demanda. TABELA 5: DEMANDA DE CADA PRODUTO NO PERÍODO DE PLANEJAMENTO Da Da Da Da 4 Da 5 Da 6 Da 7 Prod Prod Prod A produção das máqunas está lmtada ao tempo dáro de funconamento da fábrca, que é de 8 horas (8800 segundos) por da. A máquna leva em méda 0 segundos para fabrcar uma undade (caa) de qualquer um dos produtos, enquanto a máquna leva em méda segundos. Não se pode esquecer que caso haja uma troca de lnha de produção durante um da de trabalho, deve ser descontado hora (600 segundos) do tempo total dsponível para a produção, sendo que será permtdo somente uma troca de lnha a cada da. Então pode-se conclur que a produção máma das duas máqunas será de 880 produtos para a máquna, e 400 produtos para a máquna, sso caso elas produzam durante todo o da um mesmo produto. Caso haja troca de lnha de produção durante o decorrer do da, a capacdade de produção reduz para 50 e 00 produtos, respectvamente.

36 6 4.. O MODELO (M) O modelo M fo partcularzado para o cenáro. A segur, o modelo M utlzado nesta aplcação: mn ) ( ) ( ). ( = = = = = = = j j j r cr cp cp cp e c Z Sujeto a: d e `, d e e = + ` `, Er e, C e = j j r a + = ( ) j, ( ) ` j j j j a r y r + + = = + j, b T t = = 600 ] ) [( b T t = = 600 ] ) [( b = b = M b, M b, P b, P b, { } =,,, 0 com:,,, j r, e, j y 0 e b, { } 0, b j,,, =,,..., 7, =,, e j =,,...,.

37 7 4.. OS RESULTADOS DO MODELO M RELATIVOS A PRODUTOS, NO CENÁRIO Nessas condções, com um período de planejamento de 7 das, o modelo de P.L. trabalha com 0 varáves, sendo que dessas, 6 são bnáras e num total de restrções. Assm alcançando o ótmo global, depos de fazer 7.9 terações em 5 segundos de eecução, com R$ ,00, como mínmo custo. Esses resultados estão dsponíves no aneo 7. As varáves que o modelo gera como resultado referem-se às decsões sobre o que, e quando mportar ou produzr. Também controlam a compra dos recursos necessáros para a produção. Além dsso, faz o controle dos estoques desses recursos e dos produtos acabados com o objetvo de mnmzar custos de produção, mportação e estoques. As tabelas 6 e 7 referem- se à produção das duas máqunas, enquanto a tabela 8 refere-se à quantdade de produtos mportados no período: TABELA 6: QUANTIDADE PRODUZIDA (EM CAIXAS) NA MÁQUINA Da Da Da Da 4 Da 5 Da 6 Da 7 Prod Prod Prod Soma TABELA 7: QUANTIDADE PRODUZIDA (EM CAIXAS) NA MÁQUINA Da Da Da Da 4 Da 5 Da 6 Da 7 Prod Prod Prod Soma TABELA 8: QUANTIDADE IMPORTADA (EM CAIXAS) Da Da Da Da 4 Da 5 Da 6 Da 7 Prod Prod Prod Soma As tabelas 6, 7 e 8 evdencam a preferênca que o modelo tem em produzr, ao nvés de mportar. Isso se deve ao fato de o custo de produção estar mas bao que o custo de mportação nesta aplcação. A tabela 8 mostra a tendênca do modelo em

38 8 mportar os produtos e, já que estes são os produtos que apresentam as menores dferenças de custos entre produção e mportação, os quas são apresentados na tabela 9. TABELA 9: PREÇO DE IMPORTAÇÃO E PRODUÇÃO EM REAIS DE UMA CAIXA DE CADA PRODUTO Produto Produto Produto Custo Importação 5,00 6,00 7,80 Custo Produção,00 5,0 7,0 Também na tabela 8 pode-se constatar a mportação nula na segunda, terça e na quarta. Isto se deve ao fato de os camnhões que trazem produtos acabados da Argentna só chegarem para a entrega nas quntas, setas e sábados. Neste cenáro não foram consderadas as restrções que mpõe um lmte mínmo para mportação. Neste caso, em stuações como na tabela 8, em que o modelo solcta 660 caas do produto, ou no da 5 em que foram solctadas 000 caas do produto, em ambos os casos as quantdades são nferores às 700 caas ou seja ao peddo mínmo sugerdo pela gerênca de produção. Estem duas alternatvas para soluconar esta questão: prmera solução: agrupar peddos de produtos mportados somando as quantdades e pedndo em datas estpuladas de forma que se cumpra a demanda nos prazos corretos. No caso da stuação apresentada na tabela 8, os peddos dos produtos e, seram solctados para o da 4, nas quantdades de 440 e 560 caas, respectvamente. caso seja uma quantdade muto pequena de produtos ou surjam problemas em agrupar peddos, a gerênca de produção pode apelar para o estoque regulador que, neste caso, é de 000 caas dáras para cumprr os compromssos da demanda, repondo-o logo depos com peddos de mportação nos das adequados; Devdo ao custo de estocagem, o modelo tem compromsso de manter os níves de estoque baos, armazenando somente o necessáro para cumprr as demandas futuras. Sendo assm, o modelo tende a manter os estoques no nível mínmo (000 caas) ao fnal do período de planejamento (domngo), mesmo porque este é o últmo da do período e o modelo não tem compromsso com a demanda para os das seguntes, tendo somente que manter o nível mínmo de 000 caas.

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Análise Econômica da Aplicação de Motores de Alto Rendimento

Análise Econômica da Aplicação de Motores de Alto Rendimento Análse Econômca da Aplcação de Motores de Alto Rendmento 1. Introdução Nesta apostla são abordados os prncpas aspectos relaconados com a análse econômca da aplcação de motores de alto rendmento. Incalmente

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

Software. Guia do professor. Como comprar sua moto. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação

Software. Guia do professor. Como comprar sua moto. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação números e funções Gua do professor Software Como comprar sua moto Objetvos da undade 1. Aplcar o conceto de juros compostos; 2. Introduzr o conceto de empréstmo sob juros; 3. Mostrar aplcações de progressão

Leia mais

Planejamento e Controle de Estoques PUC. Prof. Dr. Marcos Georges. Adm. Produção II Prof. Dr. Marcos Georges 1

Planejamento e Controle de Estoques PUC. Prof. Dr. Marcos Georges. Adm. Produção II Prof. Dr. Marcos Georges 1 e Controle de Estoques PUC CAMPINAS Prof. Dr. Marcos Georges Adm. Produção II Prof. Dr. Marcos Georges 1 Fornecmento de produtos e servços Recursos da operação Planejamento e Controle de Estoque Compensação

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da

Leia mais

Estudo para Implementação de um Sistema de Roteirização e um Novo Centro de Distribuição para uma Empresa de Água Mineral do Sul de Minas Gerais

Estudo para Implementação de um Sistema de Roteirização e um Novo Centro de Distribuição para uma Empresa de Água Mineral do Sul de Minas Gerais Estudo para Implementação de um Sstema de Roterzação e um Novo Centro de Dstrbução para uma Empresa de Água Mneral do Sul de Mnas Geras Ilton Curty Leal Junor ltoncurty@gmal.com UFF Dego de Olvera Pexoto

Leia mais

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é:

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é: UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Departamento de Estatístca - Mestrado em Qualdade Unversdade Estadual de Campnas Brasl 1. Introdução Qualdade é hoje

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

Leia mais

ALGORITMO E PROGRAMAÇÃO

ALGORITMO E PROGRAMAÇÃO ALGORITMO E PROGRAMAÇÃO 1 ALGORITMO É a descrção de um conjunto de ações que, obedecdas, resultam numa sucessão fnta de passos, atngndo um objetvo. 1.1 AÇÃO É um acontecmento que a partr de um estado ncal,

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL. A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

Leia mais

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001 Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)

Leia mais

2 Máquinas de Vetor Suporte 2.1. Introdução

2 Máquinas de Vetor Suporte 2.1. Introdução Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de

Leia mais

UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE

UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE RESUMO Felppe Perera da Costa, PPGEM/UFOP, Mestrando. felppe@mneral.em.ufop.br Marcone Jamlson Fretas

Leia mais

Modelagem matemática de kanbans em uma empresa de manufatura enxuta

Modelagem matemática de kanbans em uma empresa de manufatura enxuta Modelagem matemátca de kanbans em uma empresa de manufatura enxuta João Flávo de Fretas Almeda joaoflavo.ufmg@gmal.com RESUMO Este artgo apresenta a elaboração de um modelo matemátco de programação lnear

Leia mais

Termodinâmica e Termoquímica

Termodinâmica e Termoquímica Termodnâmca e Termoquímca Introdução A cênca que trata da energa e suas transformações é conhecda como termodnâmca. A termodnâmca fo a mola mestra para a revolução ndustral, portanto o estudo e compreensão

Leia mais

Organização da Aula. Gestão de Obras Públicas. Aula 2. Projeto de Gestão de Obras Públicas Municipais. Contextualização

Organização da Aula. Gestão de Obras Públicas. Aula 2. Projeto de Gestão de Obras Públicas Municipais. Contextualização Gestão de Obras Públcas Aula 2 Profa. Elsamara Godoy Montalvão Organzação da Aula Tópcos que serão abordados na aula Admnstração e Gestão Muncpal Problemas Admnstração e Gestão Muncpal Gestão do Conhecmento

Leia mais

8 Indicadores de desempenho na cadeia de suprimentos

8 Indicadores de desempenho na cadeia de suprimentos 8 Indcadores de desempenho na cadea de suprmentos 8.1 O desafo da mensuração O estabelecmento de ndcadores de desempenho do supply chan management está sueto à estrutura da cadea, seus elos e partcpantes

Leia mais

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Defnções RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Problemas de Valor Incal PVI) Métodos de passo smples Método de Euler Métodos de sére de Talor Métodos de Runge-Kutta Equações de ordem superor Métodos

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 4.3. Decisão Intertemporal do Consumidor O Mercado de Capital

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 4.3. Decisão Intertemporal do Consumidor O Mercado de Capital Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 4.3 Decsão Intertemporal do Consumdor O Mercado de Captal Isabel Mendes 2007-2008 4/17/2008 Isabel Mendes/MICRO II 1 3. EQUILÍBRIO

Leia mais

Revisão dos Métodos para o Aumento da Confiabilidade em Sistemas Elétricos de Distribuição

Revisão dos Métodos para o Aumento da Confiabilidade em Sistemas Elétricos de Distribuição CIDEL Argentna 2014 Internatonal Congress on Electrcty Dstrbuton Ttle Revsão dos Métodos para o Aumento da Confabldade em Sstemas Elétrcos de Dstrbução Regstraton Nº: (Abstract) Authors of the paper Name

Leia mais

Elaboração: Novembro/2005

Elaboração: Novembro/2005 Elaboração: Novembro/2005 Últma atualzação: 18/07/2011 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às Cédulas

Leia mais

TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS, RESULTADOS E DISCUSSÕES 1

TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS, RESULTADOS E DISCUSSÕES 1 XIV ELAVIO El Fuerte Snaloa Méxco 9-14 de agosto de 2009 TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS RESULTADOS E DISCUSSÕES 1 Mayron César de O. Morera Lana Mara R. Santos Alysson M.

Leia mais

ANEXO II METODOLOGIA E CÁLCULO DO FATOR X

ANEXO II METODOLOGIA E CÁLCULO DO FATOR X ANEXO II Nota Técnca nº 256/2009-SRE/ANEEL Brasíla, 29 de julho de 2009 METODOLOGIA E ÁLULO DO FATOR X ANEXO II Nota Técnca n o 256/2009 SRE/ANEEL Em 29 de julho de 2009. Processo nº 48500.004295/2006-48

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

Goal Programming como Ferramenta de Gestão

Goal Programming como Ferramenta de Gestão Resumo Goal Programmng como Ferramenta de Gestão Dmtr Pnhero SANTANNA Fláva Zóbol DALMÁCIO Lucene Laurett RANGEL Valcemro NOSSA O objetvo deste artgo é demonstrar como o gestor pode aplcar a técnca do

Leia mais

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014 Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca

Leia mais

Análise logística da localização de um armazém para uma empresa do Sul Fluminense importadora de alho in natura

Análise logística da localização de um armazém para uma empresa do Sul Fluminense importadora de alho in natura Análse logístca da localzação de um armazém para uma empresa do Sul Flumnense mportadora de alho n natura Jader Ferrera Mendonça Patríca Res Cunha Ilton Curty Leal Junor Unversdade Federal Flumnense Unversdade

Leia mais

ALGORITMOS GENÉTICOS COMO FERRAMENTA AUXILIAR NA TOMADA DE DECISÃO EM ATIVIDADES DE GESTÃO AGROINDUSTRIAL

ALGORITMOS GENÉTICOS COMO FERRAMENTA AUXILIAR NA TOMADA DE DECISÃO EM ATIVIDADES DE GESTÃO AGROINDUSTRIAL ALGORITMOS GENÉTICOS COMO FERRAMENTA AUXILIAR NA TOMADA DE DECISÃO EM ATIVIDADES DE GESTÃO AGROINDUSTRIAL Danlo Augusto Hereda VIEIRA 1 Celso Correa de SOUZA 2 José Francsco dos REIS NETO 3 Resumo. As

Leia mais

METODOLOGIA DE AVALIAÇÃO DA VIABILIDADE DE MUDANÇA DE ESTRATÉGIA DE GESTÃO DA DEMANDA DE MAKE-TO-ORDER PARA ASSEMBLY-TO-ORDER.

METODOLOGIA DE AVALIAÇÃO DA VIABILIDADE DE MUDANÇA DE ESTRATÉGIA DE GESTÃO DA DEMANDA DE MAKE-TO-ORDER PARA ASSEMBLY-TO-ORDER. METODOLOGIA DE AVALIAÇÃO DA VIABILIDADE DE MUDANÇA DE ESTRATÉGIA DE GESTÃO DA DEMANDA DE MAKE-TO-ORDER PARA ASSEMBLY-TO-ORDER. Rcardo Ferrar Pacheco Pontfíca Unversdade Católca do Paraná Programa de Pós-graduação

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas

Leia mais

Impactos dos encargos sociais na economia brasileira

Impactos dos encargos sociais na economia brasileira Impactos dos encargos socas na economa braslera Mayra Batsta Btencourt Professora da Unversdade Federal de Mato Grosso do Sul Erly Cardoso Texera Professor da Unversdade Federal de Vçosa Palavras-chave

Leia mais

Gestão de operações logísticas num armazém usando modelos de apoio à decisão

Gestão de operações logísticas num armazém usando modelos de apoio à decisão IO 2009 14º Congresso da ADIO, 7 a 9 de Setembro de 2009 67 Gestão de operações logístcas num armazém usando modelos de apoo à decsão Carla Aleandra Soares Geraldes * Mara do Samero Carvalho Gulherme A.

Leia mais

OTIMIZAÇÃO DO FLUXO REVERSO DE PNEUS INSERVÍVEIS ATRAVÉS DE UM MODELO DE LOCALIZAÇÃO DE FACILIDADES: UM ESTUDO DE CASO

OTIMIZAÇÃO DO FLUXO REVERSO DE PNEUS INSERVÍVEIS ATRAVÉS DE UM MODELO DE LOCALIZAÇÃO DE FACILIDADES: UM ESTUDO DE CASO OTIMIZAÇÃO DO FLUXO REVERSO DE PNEUS INSERVÍVEIS ATRAVÉS DE UM MODELO DE LOCALIZAÇÃO DE FACILIDADES: UM ESTUDO DE CASO Felpe Mendonca Gurgel Bandera (UFERSA) felpembandera@hotmal.com Breno Barros Telles

Leia mais

Modelo de distribuição de recursos para o transporte escolar rural a partir dos princípios da igualdade e da equidade

Modelo de distribuição de recursos para o transporte escolar rural a partir dos princípios da igualdade e da equidade Modelo de dstrbução de recursos para o transporte escolar rural a partr dos prncípos da gualdade e da equdade Alan Rcardo da Slva 1 ; Yaeko Yamashta 2 Resumo: O transporte escolar rural consttu um mportante

Leia mais

O setor de telecomunicações está em constante desenvolvimento, permitindo que novas tecnologias possam surgir no mercado, proporcionando assim, uma

O setor de telecomunicações está em constante desenvolvimento, permitindo que novas tecnologias possam surgir no mercado, proporcionando assim, uma Contratação de Servços de Telecomuncações: Competção entre Provedores, Confgurações de Rede e Custos Modelagem com Dados Imprecsos de Demanda e Tarfa Bruno Qurno De Olvera Departamento de Engenhara ENG,

Leia mais

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica 1 a 5 de Agosto de 006 Belo Horzonte - MG Expressão da ncerteza de Medção para a Grandeza Energa Elétrca Eng. Carlos Alberto Montero Letão CEMG Dstrbução S.A caletao@cemg.com.br Eng. Sérgo Antôno dos Santos

Leia mais

162 EFICIÊNCIA TÉCNICA EM PROPRIEDADES SANTOS, J. A. dos et LEITEIRAS al. DA MICRORREGIÃO DE VIÇOSA-MG: UMA ANÁLISE NÃO-PARAMÉTRICA

162 EFICIÊNCIA TÉCNICA EM PROPRIEDADES SANTOS, J. A. dos et LEITEIRAS al. DA MICRORREGIÃO DE VIÇOSA-MG: UMA ANÁLISE NÃO-PARAMÉTRICA 162 EFICIÊNCIA TÉCNICA EM PROPRIEDADES SANTOS J. A. dos et LEITEIRAS al. DA MICRORREGIÃO DE VIÇOSA-MG: UMA ANÁLISE NÃO-PARAMÉTRICA Techncal effcency n mlk producton n the regon of VIÇOSA-MG: a non-parametrc

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

Metodologia IHFA - Índice de Hedge Funds ANBIMA

Metodologia IHFA - Índice de Hedge Funds ANBIMA Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge

Leia mais

UNIDADE I FUNDAMENTOS DA LOGÍSTICA E DISTRIBUIÇÃO

UNIDADE I FUNDAMENTOS DA LOGÍSTICA E DISTRIBUIÇÃO UNIDADE I FUNDAMENTOS DA LOGÍSTICA E DISTRIBUIÇÃO 1) CONCEITOS O dconáro Mchaels refere-se a Logístca como uma cênca mltar que trata do alojamento, equpamento e transporte de tropas, produção, dstrbução,

Leia mais

Métodos de Monitoramento de Modelo Logit de Credit Scoring

Métodos de Monitoramento de Modelo Logit de Credit Scoring Métodos de Montoramento de Modelo Logt de Credt Scorng Autora: Armando Chnelatto Neto, Roberto Santos Felíco, Douglas Campos Resumo Este artgo dscute algumas técncas de montoramento de modelos de Credt

Leia mais

FERRAMENTA DE AUXÍLIO AO DIAGNÓSTICO MÉDICO DURANTE A GRAVIDEZ

FERRAMENTA DE AUXÍLIO AO DIAGNÓSTICO MÉDICO DURANTE A GRAVIDEZ FERRAMENTA DE AUXÍLIO AO DIAGNÓSTICO MÉDICO DURANTE A GRAVIDEZ M. G. F. Costa, C. F. F. Costa Flho, M. C. Das, A. C. S.Fretas. Unversdade do Amazonas Laboratóro de Processamento Dgtal de Imagens Av. Gal.

Leia mais

Análise do sistema logístico de descarga de cana inteira e picada de uma usina de cana de açúcar

Análise do sistema logístico de descarga de cana inteira e picada de uma usina de cana de açúcar Análse do sstema logístco de descarga de cana ntera e pcada de uma usna de cana de açúcar Abstract Ana Paula Iannon Renaldo Morabto Neto Unversdade Federal de São Carlos e-mal: pap@rs.ufscar.br Logstcs

Leia mais

Controlo Metrológico de Contadores de Gás

Controlo Metrológico de Contadores de Gás Controlo Metrológco de Contadores de Gás José Mendonça Das (jad@fct.unl.pt), Zulema Lopes Perera (zlp@fct.unl.pt) Departamento de Engenhara Mecânca e Industral, Faculdade de Cêncas e Tecnologa da Unversdade

Leia mais

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado 64 Capítulo 7: Introdução ao Estudo de Mercados de Energa Elétrca 7.4 Precfcação dos Servços de Transmssão em Ambente Desregulamentado A re-estruturação da ndústra de energa elétrca que ocorreu nos últmos

Leia mais

LOGÍSTICA. Capítulo - 8 Armazenamento. Mostrar como o armazenamento é importante no sistema logístico

LOGÍSTICA. Capítulo - 8 Armazenamento. Mostrar como o armazenamento é importante no sistema logístico O Papel da Logístca na Organzação Empresaral e na Economa LOGÍSTICA Capítulo - 8 Objectvos do Capítulo Mostrar como o armazenamento é mportante no sstema logístco Identfcação dos prncpas tpos de armazenamento

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ110 : Prncípos de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br Potencal químco, m potencal químco CQ110 : Prncípos de FQ Propredades termodnâmcas das soluções

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 XXX.YY 22 a 25 Novembro de 2009 Recfe - PE GRUPO - VI GRUPO DE ESTUDO DE COMERCIALIZAÇÃO, ECONOMIA E REGULAÇÃO DE ENERGIA

Leia mais

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS L. G. Olvera, J. K. S. Negreros, S. P. Nascmento, J. A. Cavalcante, N. A. Costa Unversdade Federal da Paraíba,

Leia mais

! Superlntenrlencia Reg.onaJ do Ma:toGro$So. Qualificação e Reinserção Profissional dos Resgatados do Trabalho Escravo elou em AÇÃO INTEGRADA

! Superlntenrlencia Reg.onaJ do Ma:toGro$So. Qualificação e Reinserção Profissional dos Resgatados do Trabalho Escravo elou em AÇÃO INTEGRADA ",, 1," ;,,," 1, C?5lMnstérO Públco do "':'1"') Trabalho PRT 23,! Superlntenrlenca RegonaJ do Ma:toGro$So!! (', ' \_ \ '1 j t t' 1 PROJETO: Qualfcação e Renserção Profssonal dos Resgatados do Trabalho

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar? Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

RAE-eletrônica ISSN: 1676-5648 rae@fgv.br. Escola de Administração de Empresas de São Paulo. Brasil

RAE-eletrônica ISSN: 1676-5648 rae@fgv.br. Escola de Administração de Empresas de São Paulo. Brasil RAE-eletrônca ISSN: 676-5648 rae@fgv.br Escola de Admnstração de Empresas de São Paulo Brasl Gumarães, Ináco Andrusk; Chaves Neto, Anselmo RECONHECIMENTO DE PADRÕES: METODOLOGIAS ESTATÍSTICAS EM CRÉDITO

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

OPERAÇÃO E DISTRIBUIÇÃO FÍSICA. Marcelo Sucena http://www.sucena.eng.br marcelo@sucena.eng.br sucena@ufrj.br

OPERAÇÃO E DISTRIBUIÇÃO FÍSICA. Marcelo Sucena http://www.sucena.eng.br marcelo@sucena.eng.br sucena@ufrj.br OPERAÇÃO E DISTRIBUIÇÃO FÍSICA Marcelo Sucena http://www.sucena.eng.br marcelo@sucena.eng.br sucena@ufrj.br LOGÍSTICA Dsponblzar os produtos, ao menor custo possível, no momento e no local adequado para

Leia mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

Leia mais

BALANÇO HÍDRICO: UMA FERRAMENTA PARA GESTÃO INDUSTRIAL E OTIMIZAÇÃO AMBIENTAL.

BALANÇO HÍDRICO: UMA FERRAMENTA PARA GESTÃO INDUSTRIAL E OTIMIZAÇÃO AMBIENTAL. BALANÇO HÍDRICO: UMA FERRAMENTA PARA GESTÃO INDUSTRIAL E OTIMIZAÇÃO AMBIENTAL. Leonardo Slva de Souza (1) Mestrando em Engenhara Químca(UFBA). Pesqusador da Rede Teclm. Bárbara Vrgína Damasceno Braga (1)

Leia mais

PROJECTO DO LAYOUT DE INSTALAÇÕES INDUSTRIAIS

PROJECTO DO LAYOUT DE INSTALAÇÕES INDUSTRIAIS 2 PROJECTO DO LAYOUT DE INSTALAÇÕES INDUSTRIAIS Determnar a sequênca de operações de fabrco, quas e quantos recursos estão dsponíves para cada tpo de operação, como fluem os materas e as pessoas, qual

Leia mais

MODELAGEM MATEMÁTICA DO PROBLEMA DE COLETA DE RESÍDUOS DE BIOMASSA DE MADEIRA PARA FINS ENERGÉTICOS

MODELAGEM MATEMÁTICA DO PROBLEMA DE COLETA DE RESÍDUOS DE BIOMASSA DE MADEIRA PARA FINS ENERGÉTICOS MODELAGEM MATEMÁTICA DO PROBLEMA DE COLETA DE RESÍDUOS DE BIOMASSA DE MADEIRA PARA FINS ENERGÉTICOS Flávo de Almeda Galvão Jr. Programa de Mestrado em Engenhara de Sstemas Logístcos Escola Poltécnca da

Leia mais

Hansard OnLine. Guia Unit Fund Centre

Hansard OnLine. Guia Unit Fund Centre Hansard OnLne Gua Unt Fund Centre Índce Págna Introdução ao Unt Fund Centre (UFC) 3 Usando fltros do fundo 4-5 Trabalhando com os resultados do fltro 6 Trabalhando com os resultados do fltro Preços 7 Trabalhando

Leia mais

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações. 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação

Leia mais

1 Topologias Básicas de Conversores CC-CC não-isolados

1 Topologias Básicas de Conversores CC-CC não-isolados 1 opologas Báscas de Conversores CC-CC não-solados 1.1 Prncípos báscos As análses que se seguem consderam que os conversores não apresentam perdas de potênca (rendmento 100%). Os nterruptores (transstores

Leia mais

O Uso do Software Matlab Aplicado à Previsão de Índices da Bolsa de Valores: Um Estudo de Caso no Curso de Engenharia de Produção

O Uso do Software Matlab Aplicado à Previsão de Índices da Bolsa de Valores: Um Estudo de Caso no Curso de Engenharia de Produção O Uso do Software Matlab Aplcado à Prevsão de Índces da Bolsa de Valores: Um Estudo de Caso no Curso de Engenhara de Produção VICENTE, S. A. S. Unversdade Presbterana Mackenze Rua da Consolação, 930 prédo

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

Leia mais

GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO (SEPLAG) INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ (IPECE)

GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO (SEPLAG) INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ (IPECE) IPECE ota Técnca GOVERO DO ESTADO DO CEARÁ SECRETARIA DO PLAEJAMETO E GESTÃO (SEPLAG) ISTITUTO DE PESQUISA E ESTRATÉGIA ECOÔMICA DO CEARÁ (IPECE) OTA TÉCICA º 33 METODOLOGIA DE CÁLCULO DA OVA LEI DO ICMS

Leia mais

Problemas Associados a Cones de Segunda Ordem

Problemas Associados a Cones de Segunda Ordem Problemas Assocados a Cones de Segunda Ordem Dense S. Trevsol, Mara A. D. Ehrhardt, Insttuto de Matemátca, Estatístca e Computação Centífca, IMECC, UNICAMP, 1383-859, Campnas, SP E-mal: ra8477@me.uncamp.br,

Leia mais

APOSTILA PLANEJAMENTO E CONTROLE DA PRODUÇÃO

APOSTILA PLANEJAMENTO E CONTROLE DA PRODUÇÃO Horas de Capacdade APOSTILA DE PLANEJAMENTO E CONTROLE DA PRODUÇÃO 90 80 70 60 50 40 30 0 10 1 3 4 5 6 Semanas Prof.: Wllam Morán UFPI /Planejamento e Controle da Produção Prof. Wllam Morán UFPI /Planejamento

Leia mais

UNIVERSIDADE FEDERAL DE PERNAMBUCO

UNIVERSIDADE FEDERAL DE PERNAMBUCO UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO MODELO PARA O PLANEJAMENTO DE MANUTENÇÃO BASEADO EM PARÂMETROS DE DEGRADAÇÃO DISSERTAÇÃO SUBMETIDA À UFPE PARA OBTENÇÃO

Leia mais

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos

Leia mais

OTIMIZAÇÃO DO SERVIÇO DE RESERVA GIRANTE EM SISTEMAS HIDROELÉTRICOS. Thales Sousa * José Antônio Jardini Mário Masuda Rodrigo Alves de Lima

OTIMIZAÇÃO DO SERVIÇO DE RESERVA GIRANTE EM SISTEMAS HIDROELÉTRICOS. Thales Sousa * José Antônio Jardini Mário Masuda Rodrigo Alves de Lima SNPEE SEMINÁRIO NACIONAL DE PRODUÇÃO E RANSMISSÃO DE ENERGIA ELÉRICA GGH - 33 6 a 2 Outubro de 2005 Curtba - Paraná GRUPO I GRUPO DE ESUDO DE GERAÇÃO HIDRÁULICA - GGH OIMIZAÇÃO DO SERVIÇO DE RESERVA GIRANE

Leia mais

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3

Leia mais

A Matemática Financeira nos Financiamentos Habitacionais

A Matemática Financeira nos Financiamentos Habitacionais 2013: Trabalho de Conclusão de Curso do Mestrado Profssonal em Matemátca - PROFMAT Unversdade Federal de São João del-re - UFSJ Socedade Braslera de Matemátca - SBM A Matemátca Fnancera nos Fnancamentos

Leia mais

ANÁLISE COMPARATIVA DA PRODUTIVIDADE SETORIAL DO TRABALHO ENTRE OS ESTADOS BRASILEIROS: DECOMPOSIÇÕES USANDO O MÉTODO ESTRUTURAL- DIFERENCIAL,

ANÁLISE COMPARATIVA DA PRODUTIVIDADE SETORIAL DO TRABALHO ENTRE OS ESTADOS BRASILEIROS: DECOMPOSIÇÕES USANDO O MÉTODO ESTRUTURAL- DIFERENCIAL, ANÁLISE COMPARATIVA DA PRODUTIVIDADE SETORIAL DO TRABALHO ENTRE OS ESTADOS BRASILEIROS: DECOMPOSIÇÕES USANDO O MÉTODO ESTRUTURAL- DIFERENCIAL, 1980/2000 2 1. INTRODUÇÃO 2 2. METODOLOGIA 3 3. ANÁLISE COMPARATIVA

Leia mais

3 Formulação da Metodologia

3 Formulação da Metodologia 54 3 Formulação da Metodologa 3.1. Resumo das Prncpas Heurístcas de Solução A maora das heurístcas de solução para o ELSP aborda o problema na sua forma clássca, sto é, quando os tempos e custos de setup

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

Software para Furação e Rebitagem de Fuselagem de Aeronaves

Software para Furação e Rebitagem de Fuselagem de Aeronaves Anas do 14 O Encontro de Incação Centífca e Pós-Graduação do ITA XIV ENCITA / 2008 Insttuto Tecnológco de Aeronáutca São José dos Campos SP Brasl Outubro 20 a 23 2008. Software para Furação e Rebtagem

Leia mais

Equilíbrio Colusivo no Mercado Brasileiro de Gás Liquefeito de Petróleo (GLP)

Equilíbrio Colusivo no Mercado Brasileiro de Gás Liquefeito de Petróleo (GLP) Unversdade de Brasíla Departamento de Economa Mestrado em Economa do Setor Públco Equlíbro Colusvo no Mercado Braslero de Gás Lquefeto de Petróleo (GLP) Orentador: Prof. Rodrgo Andrés de Souza Peñaloza

Leia mais

UTILIZAÇÃO DA PESQUISA-AÇÃO PARA ENTENDIMENTO DO NEGÓCIO SOCIAL E SUA CADEIA DE ABASTECIMENTO

UTILIZAÇÃO DA PESQUISA-AÇÃO PARA ENTENDIMENTO DO NEGÓCIO SOCIAL E SUA CADEIA DE ABASTECIMENTO XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturdade e desafos da Engenhara de Produção: compettvdade das empresas, condções de trabalho, meo ambente. São Carlos, SP, Brasl, 12 a15 de outubro de 2010.

Leia mais

GENETIC FUZZY SISTEM PARA SELEÇÃO DE POÇOS DE PETRÓLEO PARA FRATURAMENTO HIDRÁULICO

GENETIC FUZZY SISTEM PARA SELEÇÃO DE POÇOS DE PETRÓLEO PARA FRATURAMENTO HIDRÁULICO A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN GENETIC FUZZY SISTEM PARA SELEÇÃO DE POÇOS DE PETRÓLEO PARA FRATURAMENTO HIDRÁULICO Antôno Orestes de Salvo Castro Petrobras

Leia mais

UNIDADE I SISTEMAS DE ARMAZENAGEM E MANUSEIO

UNIDADE I SISTEMAS DE ARMAZENAGEM E MANUSEIO UNIDADE I SISTEMAS DE ARMAZENAGEM E MANUSEIO Ballou (1993) defne Armazenagem como à admnstração do espaço necessáro para manter estoques. Envolve váras vertentes adconas, tas como localzação, dmensonamento

Leia mais

UM ALGORITMO EXATO PARA A OTIMIZAÇÃO DE CARTEIRAS DE INVESTIMENTO COM RESTRIÇÕES DE CARDINALIDADE

UM ALGORITMO EXATO PARA A OTIMIZAÇÃO DE CARTEIRAS DE INVESTIMENTO COM RESTRIÇÕES DE CARDINALIDADE UM ALGORITMO EXATO PARA A OTIMIZAÇÃO DE CARTEIRAS DE INVESTIMENTO COM RESTRIÇÕES DE CARDINALIDADE Dssertação de mestrado em matemátca aplcada fnancada pelo CNPq IMECC - UNICAMP Pedro Ferraz Vllela Prof.

Leia mais

Elaboração: Fevereiro/2008

Elaboração: Fevereiro/2008 Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

Leia mais